基于k-means聚類方法的機(jī)房指標(biāo)檢測

穆阿里

（中國人民銀行成都分行，成都 610041）

1 研究背景

本文通過調(diào)查全省銀行業(yè)金融機(jī)構(gòu)對機(jī)房動(dòng)力系列標(biāo)準(zhǔn)的執(zhí)行情況，剖析我省目前存在的機(jī)房動(dòng)力和運(yùn)維現(xiàn)狀與風(fēng)險(xiǎn)，提出全省金融機(jī)構(gòu)機(jī)房建設(shè)、運(yùn)維的思路，從而有效防范金融業(yè)動(dòng)力系統(tǒng)風(fēng)險(xiǎn)，保障金融穩(wěn)定，主要采用K-means、主成分分析（PCA）算法等數(shù)據(jù)分析方法。

（1）k均值聚類是一種矢量量化方法，最初來自信號處理，是數(shù)據(jù)挖掘中聚類分析的常用方法。k均值聚類的目的是將n個(gè)觀測值劃分為k個(gè)聚類，其中每個(gè)觀測值屬于具有最近均值的聚類，作為聚類的原型。這導(dǎo)致數(shù)據(jù)空間劃分為Voronoi單元。這個(gè)問題在計(jì)算上很困難（NP難）；然而，有效的啟發(fā)式算法快速收斂到局部最優(yōu)。這些通常類似于通過k均值和高斯混合建模所采用的迭代細(xì)化方法的高斯分布混合的期望最大化算法。他們都使用集群中心來建模數(shù)據(jù)；然而，k均值聚類傾向于找到具有可比空間范圍的聚類，而期望最大化機(jī)制允許聚類具有不同的形狀。該算法與k-最近鄰分類器具有松散的關(guān)系，這是一種流行的分類機(jī)器學(xué)習(xí)技術(shù)，由于名稱，常常與k-means混淆。將1最近鄰分類器應(yīng)用于通過k均值獲得的聚類中心將新數(shù)據(jù)分類到現(xiàn)有聚類中。這被稱為最近的質(zhì)心分類器或Rocchio算法。

（2）主成分分析（PCA）是一種統(tǒng)計(jì)過程，它使用正交變換將可能相關(guān)變量的一組觀察值（每個(gè)實(shí)體都采用各種數(shù)值）轉(zhuǎn)換為一組稱為主成分的線性不相關(guān)變量值這種轉(zhuǎn)換的定義方式是第一主成分具有盡可能大的方差（即，盡可能多地考慮數(shù)據(jù)的可變性），并且每個(gè)后續(xù)成分依次在約束下具有最高的方差。它與前面的組件正交。得到的矢量（每個(gè)是變量的線性組合并包含n個(gè)觀測值）是不相關(guān)的正交基組。PCA對原始變量的相對縮放敏感。

通過PCA方法，將原有金融機(jī)構(gòu)調(diào)查問卷中55個(gè)指標(biāo)個(gè)指標(biāo)壓縮到二維平面，以實(shí)現(xiàn)原有調(diào)查問卷中高維度數(shù)據(jù)在二維平面上的展示，并且?guī)в性紨?shù)據(jù)的主要特征。

2 金融機(jī)構(gòu)內(nèi)部現(xiàn)狀

本文通過調(diào)查問卷和現(xiàn)場調(diào)研的方式對省內(nèi)部分金融機(jī)構(gòu)開展摸底調(diào)查，共獲取117家機(jī)構(gòu)機(jī)房數(shù)據(jù)。對獲取的機(jī)房動(dòng)力情況數(shù)據(jù)與機(jī)房基礎(chǔ)設(shè)施運(yùn)行維護(hù)數(shù)據(jù)采用了K-means聚類算法和主成分分析等方法進(jìn)行分析，力求能得到當(dāng)前準(zhǔn)確現(xiàn)狀。

調(diào)查數(shù)據(jù)顯示，被調(diào)查銀行業(yè)金融機(jī)構(gòu)中符合A級動(dòng)力系統(tǒng)的機(jī)構(gòu)數(shù)量為3家，占比23.07%，符合B級動(dòng)力系統(tǒng)的機(jī)構(gòu)數(shù)量為6家，占比46.15%，符合C級動(dòng)力系統(tǒng)的機(jī)構(gòu)數(shù)量為4家，占比30.77%，復(fù)合型動(dòng)力系統(tǒng)（部分指標(biāo)分別符合A、B、C級動(dòng)力系統(tǒng)指標(biāo)要求）按照最低級別進(jìn)行歸類。

對被調(diào)查機(jī)構(gòu)機(jī)房動(dòng)力情況調(diào)查問卷數(shù)據(jù)采用K-means算法進(jìn)行聚類分析，聚類分布情況通過PCA壓縮變換后如圖一所示：

圖1 銀行業(yè)金融機(jī)構(gòu)機(jī)房動(dòng)力聚類分布圖

圖1顯示被調(diào)查銀行業(yè)金融機(jī)構(gòu)機(jī)房動(dòng)力情況大致可分為三類，其中第一類、第三類分布區(qū)域比較集中，第二類區(qū)域相對分散，而對于第二類中方差較大的原因是由于聚類后使用PCA壓縮算法將原有55維度空間壓縮到2維空間存在一定的數(shù)據(jù)丟失。而聚類分析各類數(shù)量上第二類數(shù)量占比較大，第一類、第三類數(shù)量占比較小，具體情況見圖2：

圖2 銀行業(yè)金融機(jī)構(gòu)機(jī)房動(dòng)力聚類數(shù)量占比圖

聚類后對各項(xiàng)指標(biāo)符合值進(jìn)行統(tǒng)計(jì)匯總，生成各類機(jī)構(gòu)機(jī)房動(dòng)力整體符合率，其中第二類符合率最高，第三類符合率最低，具體情況見表1：

表1 銀行業(yè)金融機(jī)構(gòu)機(jī)房動(dòng)力聚類符合率情況表

通過圖2、表1分析顯示被調(diào)查銀行業(yè)金融機(jī)構(gòu)絕大部分機(jī)房動(dòng)力情況良好，技術(shù)指標(biāo)符合率較高，整體水平較好，其中數(shù)量占比69%的機(jī)房屬于第二類，其符合率為94.55%。為了解被調(diào)查機(jī)構(gòu)機(jī)房動(dòng)力具體情況，本課題對機(jī)房動(dòng)力各分項(xiàng)指標(biāo)符合率進(jìn)行聚類統(tǒng)計(jì)，結(jié)果如圖3所示：

圖3 銀行業(yè)金融機(jī)構(gòu)機(jī)房動(dòng)力分項(xiàng)符合率聚類統(tǒng)計(jì)表

圖3顯示第一類和第三類較第二類的差距主要表現(xiàn)在：第一類機(jī)構(gòu)機(jī)房動(dòng)力監(jiān)控系統(tǒng)符合率最低，其值低于50%，第三類機(jī)構(gòu)機(jī)房供配電、動(dòng)力監(jiān)控及供配電設(shè)備符合率較低，第一類和第三類在不同的維度上出現(xiàn)了區(qū)別。

總體結(jié)論：通過收集到的13份調(diào)查問卷，采用聚類分析，全省地方性銀行業(yè)金融機(jī)構(gòu)機(jī)房動(dòng)力情況總體情況較好，其中最好一類機(jī)構(gòu)占69%，平均符合率為94.55%；次好類機(jī)構(gòu)占15%，平均符合率為83.64%，其主要差距表現(xiàn)在動(dòng)力監(jiān)控；最后一類機(jī)構(gòu)占16%，平均符合率為80.91%，其主要差距表現(xiàn)在機(jī)構(gòu)機(jī)房供配電、動(dòng)力監(jiān)控及供配電設(shè)備。

3 結(jié)束語

綜上所述，有9家銀行機(jī)房運(yùn)行情況較好；有2家銀行需要改進(jìn)動(dòng)力監(jiān)控系統(tǒng)；有2家銀行需要改進(jìn)機(jī)房供配電、動(dòng)力監(jiān)控及供配電設(shè)備。